長三角城市群網絡零售的地區差異與空間關聯研究

李東兵，曹卓久

(1.大連理工大學 城市學院，遼寧 大連 116600； 2.大連海事大學 航運經濟與管理學院，遼寧 大連 116026)

一、引 言

2019年5月13日，隨著《長江三角洲區域一體化發展規劃綱要》的出臺，長三角區域一體化發展上升為國家戰略。長三角城市群由26個城市構成，包括上海、南京、蘇州、無錫、南通、常州、揚州、鹽城、鎮江、泰州、杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺州、合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城。為積極響應這一戰略，阿里巴巴旗下菜鳥網絡科技有限公司于2019年9月4日聯合各快遞公司宣布，將啟動對“全國核心經濟圈”的快遞大提速，并已率先承諾長三角經濟圈內26個城市對發快遞次日必達。快遞時效的提升作為網絡零售產業的重要支撐，勢必會進一步促進城市群網絡零售的發展。由此，針對城市間網絡零售的互動發展研究也將受到重點關注。

近年來，基于空間視角的網絡零售研究受到了許多學者的關注。一方面，研究主要集中于網絡零售的地區差異分析，相關學者分別基于經濟地帶層面[1]、省域層面[2]、城市層面[3]、縣域層面[4]等視角，對我國電子商務發展水平的地區差異進行了描述。另一方面，研究主要集中于網絡零售的空間格局探析，相關學者分別基于消費格局[5-7]、銷售格局[8-10]等視角對網絡零售的空間格局特征及其影響因素進行了分析。與此同時，隨著城市群成為近年來空間關聯研究的熱點，相關學者紛紛采用社會網絡分析方法，從動態關聯視角去關注城市群內部的互動發展，涉及的研究方向包括產業結構關聯[11]、經濟空間關聯[12]、能源消費關聯[13]、創新網絡結構[14]、物流空間聯系[15]等。

上述基于空間視角的網絡零售研究存在以下不足：(1)大多以全國作為研究區域，選取范圍過大；(2)僅就消費和銷售格局的其中之一進行研究，難以全面反映網絡零售的空間格局。基于此，本文將社會網絡分析應用于網絡零售的空間關聯研究，以長三角地區作為研究區域，綜合消費與銷售發展水平，對網絡零售的空間關聯特征進行探析，以促進城市群網絡零售的互動發展，使之更好地融入長三角一體化發展戰略。

二、研究方法與數據來源

(一)研究方法

1.泰爾指數

泰爾指數衡量的是各地區收入份額與人口份額之比的對數的加權和，權數為收入份額，指數越大，表示區域差異越大。由于本文研究網絡零售的地區差異，故用網絡零售份額代替收入份額。

2.基于時間距離的引力模型修正

本文應用時間距離對引力模型距離指標進行修正，重點參考業務量較大的六家快遞公司，并取城際快遞時效的平均值，來表示城市間網絡零售活動的阻礙因素，修正后的引力模型如下：

式中：i，j代表城市；Gij表示城市i對城市j的網絡零售吸引力；kij表示城市i對城市j的零售引力貢獻權重；表示城市間進行網絡零售活動的快遞時效平均值；Pi和Ri分別表示城市i的人口數量和網絡零售額；Pj和Rj分別表示城市j的人口數量和網絡零售額；m為快遞時效參考的快遞公司數量。

為直觀體現每對城市基于網絡零售經濟的聯系強度和方向，將長三角26個城市兩兩之間650項網絡零售聯系劃分為325對聯系[16]。

式中：F1、F2分別表示每對城市聯系強度中最大值、最小值占城市群聯系強度總量的比重，n表示城市數量。

3.社會網絡分析方法

(1)網絡密度。它反映網絡中關聯關系的疏密，關聯關系數越多，則網絡密度越大。計算公式為實際關聯關系數除以理論上最大關聯關系數。

(2)中心性。其量化指標的主要構成為中心度測度，包括度數中心度和中間中心度等。度數中心度根據各節點的連接數來衡量其網絡中心地位，度數中心度越高，則說明該節點與其他節點間的聯系越多，即其中心地位也越高。中間中心度反映各節點在多大程度上控制其他節點間的關聯關系，若某點處在較多點對的最短途徑上，則表明其具有較高的中間中心度，即意味著該節點對其他節點間相互行動的控制能力較強。

(3)塊模型分析。它可以對各板塊在關系網絡中的角色進行分析，其中涉及的板塊角色有四種：一是主受益板塊，該板塊既接收其他板塊的關系，又對其他板塊發出關系，但其接收關系數顯著高于發出關系數；二是雙向溢出板塊，該板塊既接收外部關系，又向外部發出關系，且其內部成員間的關系數目相對較多；三是凈溢出板塊，該板塊接收外部關系數較少，但對外發出關系數較多；四是經紀人板塊，該板塊既接收又發出外部關系，在板塊間起到“中介”作用。

(二)數據來源

本文涉及的省級層面數據來源于《國家統計年鑒》(2014—2019)和《中國電子商務報告》(2013)，城市層面數據來源于各省統計年鑒(2014—2019)，快遞時效來源于“菜鳥裹裹”APP。

網絡零售商品由賣方向買方的轉移主要通過快遞形式實現，限于城市層面的網絡零售額無法完整獲得，因此本文借鑒方福前等(2015)[17]的思路，用各城市的快遞業務量乘以一個權重來反映該城市的網絡零售規模，其中，權重為該城市所在省份網絡零售額與該省快遞業務量之比，即平均每件快遞所代表的網絡零售額。

三、長三角城市群網絡零售的地區差異分析

為探析在網絡零售整體發達的長三角地區，其城市群內部發展的均衡性問題，首先運用Arcgis中的自然斷點法，對各城市網絡零售發展進行空間可視化。如圖1所示，近年來長三角城市群網絡零售發展的分布格局并無顯著變化，整體上的空間差異性較大，網絡零售發展較好的城市主要集中在長三角東部地區，如上海、金華、杭州等，發展較差的城市多處于中西部地區，如池州、銅陵、馬鞍山等。

為使網絡零售的地區差異特征進一步凸顯，將采用泰爾指數，深入體現省內差異和省際差異，

圖1 長三角地區網絡零售的發展格局演變

及其對應差異貢獻率，見表1。需要指出的是，由于Tk和Dk分別描述的是組內差異和各組差異貢獻率，上海作為單一的空間單元，內部不存在比較對象，因而上海的Tk和Dk均為0，不適合做組內差異分析。測算結果顯示：(1)從整體上看，泰爾指數(T)保持在0.35至0.41的變動范圍內，其中前三年的總體差異不斷擴大，于2015年達到最大值后，近三年的發展不平衡性得到明顯改善。通過分解泰爾指數，可以發現，省際差異(Tb)逐年下降，而省內差異(Tw)呈現不斷上升的趨勢，由此表明三省一市網絡零售發展的不均衡正在得到逐步緩解，而在引致長三角地區網絡零售發展差異方面，各省內部差異正在產生越來越大的影響。值得注意的是，2018年各省內部差異貢獻率(Dw)首次超過各省間的差異貢獻率(Db)，說明其已成為地區差異最主要的導致因素。(2)分別以各省為研究單元，計算組內差異(Tk)及其差異貢獻率(Dk)。從絕對量上看，基于Tk的觀測，在2013—2017年期間安徽均為最高，浙江次之，江蘇最低，表明江蘇省9個城市發展高度均衡，而安徽省8個城市網絡零售的發展均衡性最差。從相對量上看，浙江歷年差異貢獻率均超過其他兩省之和，成為整體差異最主要的引致省份；安徽由于網絡零售經濟體量小，所以在造成地區差異方面產生的影響相對有限；而江蘇的差異貢獻率一直在10%左右波動。

表1 長三角網絡零售的地區差異測度

四、長三角城市群網絡零售聯系強度和空間關聯分析

(一)城市間網絡零售聯系強度分析

基于時間距離對引力模型進行修正后，將各指標對應數據代入，計算出長三角城市兩兩之間的網絡零售聯系強度。為更直觀地體現各城市間聯系強度的占比地位，采用“每對城市間聯系強度占城市群聯系強度總量的比重”這一指標，同時，對每對城市的占比采用最大值和最小值的分組方式表示，并分別進行排名，從而反映網絡零售經濟聯系的強弱和方向。下面以2018年為例，限于篇幅，根據F1排名選取前5%進行展示，見表2。

表2 2018年城市間網絡零售聯系強度

基于F1的觀測，可以看出，在排名前16位中網絡零售發出城市僅有4個，按發出次數由多到少依次為上海(8次)、杭州(6次)、金華(1次)、蘇州(1次)。這不僅體現了4個城市在長三角地區的優勢地位，而且反映出網絡零售經濟較高的極化程度。然而，接收到以上4個城市網絡零售輻射作用的城市比較分散，體現出中心城市具有一定的擴散效應。為了易于比較城市間聯系強度的大小，依據排名將前16對城市平均分為2組，則第1名至第8名的占比總和高達16.36%，而第9名至第16名的占比總和僅為10.67%，兩組比重相差較大，說明城市對之間聯系強度差異懸殊，城市網絡零售關聯關系存在著較為嚴重的分化現象。

基于F1和F2的對比觀測，可以發現，關聯的兩個城市由于聯系方向的不同，所對應的比重排名也不一致。為深入研究，將采用“F1/F2”這一指標，對各城市在關聯關系中的平等程度進行量化，比值越接近1，表明兩個城市在網絡零售經濟活動中的地位越平等。結果顯示，前16組城市“F1/F2”的平均值為3.92，表明城市兩兩之間基于網絡零售經濟的依賴與被依賴程度，存在較為嚴重的不對等。網絡零售關聯地位異常懸殊的城市對包括上海和嘉興、杭州和臺州等，而關聯地位較為平等的城市對包括上海和金華、杭州和金華等。

(二)城市群網絡零售空間關聯分析

將基于引力模型計算得出的城市間網絡零售聯系強度，作為社會網絡分析的基礎數據，依據截斷值變換為鄰接矩陣，借助UCINET中的NetDraw工具，對關聯網絡進行可視化表示，如圖2所示。長三角城市群網絡零售空間關聯網絡呈現明顯的“核心-邊緣”結構。

1.網絡密度分析

長三角整體網絡密度近年來存在波動，但變化范圍不大，由2013年的0.3262上升到2018年的0.3323，說明存在顯著聯系的城市數量越來越多。但總體來看，城市群網絡零售空間關聯不夠緊密。理論上講，長三角26個城市兩兩之間的關聯關系應達到650個，而樣本觀測值中實際關系最大值僅為217個，說明城市群成員基于網絡零售聯系的程度和強度，仍有很大的增長空間。

2.城市中心性分析

為深入探析關聯網絡中的城市節點，將采用度數中心度和中間中心度，以描述各城市在長三角網絡零售空間關聯中的地位和作用。

圖2 2018年長三角城市群網絡零售空間關聯網絡

(1)度數中心度。第一，城市群網絡零售的點出度平均值為8.308，高于均值的城市只有12個，點出度非零的城市也僅有15個，由此表明網絡零售供給地區的集中，如圖3(a)所示。點出度最高的是上海，其對除池州外的長三角其他24個城市均發出了顯著的網絡零售聯系，充分體現出絕對核心地位；點出度較高的其他城市不僅包括蘇州、杭州、南京、寧波等經濟強市，也包含金華、無錫、南通、臺州、嘉興、紹興等網絡零售發展勢頭良好的城市。第二，城市群網絡零售的點入度平均值為8.308，在高于均值的15個城市中，點入度最大的是無錫(14)，最小的是鹽城(9)；在低于均值的11個城市中，點入度最大為8，包括揚州、鎮江、泰州和蕪湖，最小的是池州(0)。從點入度對比可以看出，城市間的差異不大，體現了網絡零售需求地區相對分散，如圖3(b)所示。第三，選用點出度與點入度的差值，來反映各城市網絡零售的“凈溢出”或“凈受益”效應。由圖3(c)可知，凈溢出效應較為顯著的城市有上海、杭州、金華和蘇州等，凈受益效應較為顯著的城市有湖州、鹽城、鎮江、泰州、蕪湖和揚州等。

(2)中間中心度。長三角26個城市中間中心度的平均值為1.019，高于均值的城市數量僅為6個，揭示了網絡節點間的連接僅靠少數幾個中心城市在維系，如圖3(d)所示。其中，上海和無錫的中間中心度顯著高于其他城市，表明其在城市群網絡零售空間關聯中發揮著難以替代的“樞紐”作用；蘇州、杭州、南京和紹興的中心度明顯降低，但對網絡零售經濟資源的控制能力同樣關鍵。從另一個角度看，中間中心度為零的城市數量多達一半以上，這些城市大都處于關聯網絡的邊緣區，難以對其他城市間的連接產生“中介”作用。總之，城市中間中心度差距過大，印證了城市群關聯網絡的“核心-邊緣”結構，同時也凸顯出關聯關系的不對等和不均衡現象。

3.塊模型分析

為進一步揭示城市群網絡零售的空間關聯效應，本文采用CONCOR方法，以最大切分深度為2，集中標準為0.200，將長三角26個城市劃分為四個板塊：第一板塊包含8個城市，分別為上海、蘇州、南京、無錫、南通、寧波、金華、杭州；第二板塊包含5個城市，分別為紹興、嘉興、常州、合肥、臺州；第三板塊包含9個城市，分別為鹽城、湖州、泰州、安慶、鎮江、揚州、蕪湖、滁州、宣城；第四板塊包含4個城市，分別為銅陵、馬鞍山、池州、舟山。

2018年長三角網絡零售空間關聯板塊溢出效應見表3。

圖3 2018年長三角城市群網絡中心性分布格局

表3 2018年長三角網絡零售空間關聯板塊溢出效應

(1)板塊間的關聯分析。通過板塊間的關聯分析，可以揭示各板塊在長三角網絡零售關聯網絡中的位置和角色。首先，關注各板塊的內部互動及其關系比例。如表3所示，板塊一內部關系數為56，表明其成員兩兩之間均保持穩定的網絡零售聯系強度；板塊二內部關系數為15，實際內部關系比例高于期望值，但成員間網絡零售發展的不平衡，破壞了關聯關系的對等性，使得板塊內部未達到兩兩互聯的程度；板塊三和板塊四不存在內部聯系，其成員的發展水平較低，均被定位為邊緣行動者。其次，將四個板塊對內和對外的發出關系數分別進行加總，對比發現，板塊對外關系數為145，遠大于對內關系數(71)，凸顯了城市板塊間網絡零售經濟的空間溢出效應。為進一步明確各板塊所扮演的角色，將四個板塊針對外部的發出關系數和接收關系數進行比較，可以得出：板塊一向其他板塊發出關系數為103，遠超接收關系數36，溢出效應顯著，因此屬于“凈溢出板塊”；板塊二發出關系數為39，接收關系數為41，兩者數量非常接近，因此屬于“雙向溢出板塊”；板塊三接收數(65)明顯高于發出數(3)，說明該板塊難以對其他板塊產生吸引力，但對外依賴程度較高，因此屬于“主受益板塊”；板塊四發出和接收的關系數均為最低，分別為0和3，該板塊并不顯著向前三板塊提供網絡零售商品和服務，同時接收能力又極其有限，因此屬于“經紀人板塊”。

(2)板塊間的互動分析。通過觀察表4中的密度矩陣和像矩陣，可以探析板塊間的互動情況。首先，板塊一與板塊二、三、四的關聯網絡密度分別為1、0.833、0.094，表明其已成為長三角地區網絡零售商品和服務的主要提供者。其次，板塊二與板塊一的互動程度較高，與板塊三的互動程度較低，可見其“雙向溢出”的作用范圍存在局限性。再次，板塊三僅存在與板塊一的顯著互動，具體表現為顯著接收第一板塊的網絡零售商品和服務，但并不顯著提供回饋，因此可以認為該板塊主受益功能太過依賴板塊一。最后，板塊四均未與其他板塊構建起顯著的關系網絡，僅能接收到板塊一的微量聯系，其成員大都處于被孤立的狀態。為更直觀體現四大板塊間的互動效應，將板塊關聯密度與整體網絡密度進行比較，若關聯密度大則記為1，若關聯密度小則記為0，進而變換為像矩陣。就各板塊而言，僅板塊一和板塊二的內部聯系顯著；就板塊互動而言，僅板塊一與板塊二的聯系為雙向顯著，板塊一與板塊三為單向顯著；其他板塊內和板塊間則是關聯密度低于整體密度的情形，共計出現11次，體現了網絡零售關聯網絡的局部稀疏性。

表4 2018年長三角城市群網絡零售空間關聯板塊的密度矩陣和像矩陣

五、結論與建議

本文首先運用泰爾指數測度了長三角網絡零售的地區差異，其次基于引力模型測算出城市兩兩之間的聯系強度，并以此構建了城市群網絡零售關聯網絡。經過研究分析，得出以下結論：

(1)長三角城市群網絡零售的地區差異正在得到改善，其中，各省內部差異逐漸成為地區差異的主要引致因素。具體來看，安徽省8個城市的網絡零售發展均衡性最差，浙江省8個城市的均衡性次之，江蘇省9個城市發展最為平衡；在差異貢獻率方面的排名依次是浙江、江蘇和安徽；此外，上海也在很大程度上加劇了網絡零售的地區差異。

(2)城市間網絡零售聯系強度對比懸殊。一方面，網絡零售發展較好的城市間聯系強度過高，說明城市關聯關系存在嚴重的分化現象；另一方面，同對城市由于聯系方向不同，聯系強度會出現明顯的方向差異性，反映了關聯關系的不對等。

(3)近年來越來越多城市間的網絡零售聯系程度趨于顯著，但長三角整體空間關聯仍不夠緊密。通過中心性分析發現，網絡零售供給地區相對集中，主要包括上海、杭州、金華和蘇州等城市；網絡零售需求地區相對分散，其中湖州、鹽城、鎮江、泰州、蕪湖和揚州等成為主要的凈受益城市；此外，長三角網絡零售空間關聯網絡呈現“核心-邊緣”結構，其中上海、無錫、蘇州、杭州、南京、紹興等6個城市發揮了重要的樞紐作用。

(4)長三角城市群網絡零售關聯網絡可劃分為四個板塊，第一、二板塊的城市發展水平較高，內部聯系密切，第三、四板塊的城市發展水平較低，缺乏內部聯系。城市板塊間的空間溢出效應較為顯著，意味著商品流通在一定程度上突破了城市小團體的范圍限制，使得網絡零售經濟的互動范圍進一步擴大。然而，不論是板塊內還是板塊間，局部關聯仍存在聯系稀疏、方向差異、不均衡等問題。

為促進城市群網絡零售經濟更好地融入長三角一體化發展戰略，本文提出以下建議。首先，應進一步縮小網絡零售發展的地區差距，特別是注重改善各省內部差異，加強省內城市的協同發展，以提升長三角地區網絡零售發展的均衡性。其次，依托城市網絡零售的產業基礎和區位優勢，加快培育新的核心城市，提升網絡零售商品和服務的供給能力，促進長三角地區供需格局的均衡。再次，加大對發展基礎薄弱城市的扶持力度，挖掘邊緣城市對網絡零售商品和服務的需求潛力，不斷完善物流體系基礎設施建設，使之能夠嵌入城市群空間關聯網絡。最后，各城市不應局限于所屬板塊的角色扮演，而應當夯實自身發展基礎，開拓自身發展優勢，努力形成“溢出”和“受益”的雙向功能互補，從而在長三角網絡零售關聯網絡中發揮更加主動、關鍵的作用。